| 基于LMD-MS的滚动轴承微弱故障提取方法 |
| |
| 引用本文： | 王志坚,吴文轩,马维金,张纪平,王俊元,李伟伟.基于LMD-MS的滚动轴承微弱故障提取方法[J].振动．测试与诊断,2018,38(5):1014-1020. |
| |
| 作者姓名： | 王志坚 吴文轩 马维金 张纪平 王俊元 李伟伟 |
| |
| 作者单位： | （中北大学机械工程学院,太原030051） |
| |
| 基金项目： | （山西省自然科学基金资助项目(20150110063) |
| |
| 摘 要： | 轴承的早期故障信号属于微弱信号,其故障特征提取一直是旋转机械故障诊断的一大难点。笔者将掩膜法引入到局部均值分解(local mean decomposition,简称LMD)分解中,提出了一种基于LMD和掩膜法(mask signal,简称MS)的滚动轴承微弱故障提取方法。由于LMD在噪声背景下分解出的功能分量(product function,简称PF)存在模态混叠现象,很难辨别故障频率的真伪,所以引入了掩膜信号法对LMD分解出的与原信号相关性强的PF分量进行处理,抑制模态混叠现象,提取故障频率。文中以滚动轴承实际故障信号为对象进行分析,通过将掩膜信号法与LMD方法相结合的方式,对存在噪声的故障信号进行处理,将故障频率处的峭度值提高了8倍,同时将信噪比提高了19.1%,成功提取了故障信号,为故障特征提取提供一种新的诊断方法。
|
| 关 键 词： | 强噪声 轴承故障 掩膜法 局部均值分解 故障诊断 |
Fault Signal Extraction Method of Rolling Bearing Weak Fault Based on LMD-MS |
| |
| WANG Zhijian,WU Wenxuan,MA Weijin,ZHANG Jiping,WANG Junyuan,LI Weiwei.Fault Signal Extraction Method of Rolling Bearing Weak Fault Based on LMD-MS[J].Journal of Vibration,Measurement & Diagnosis,2018,38(5):1014-1020. |
| |
| Authors: | WANG Zhijian WU Wenxuan MA Weijin ZHANG Jiping WANG Junyuan LI Weiwei |
| |
| Affiliation: | (College of Mechanical and Power Engineering, North University of China Taiyuan, 030051,China) |
| |
| Abstract: | |
| |
| Keywords: | strong noise bearing fault mask method local mean decomposition(LMD) fault diagnosis |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《振动．测试与诊断》浏览原始摘要信息 |
|
点击此处可从《振动．测试与诊断》下载全文 |
|
